Soutenance mémoire
Télécharger le fichier pdf d’un mémoire de fin d’études
Caractéristiques des réseaux de capteurs
Architecture d’un nœud capteur
Un nœud capteur est composé de plusieurs éléments ou modules correspondant chacun à une tâche particulière d‟acquisition, de traitement, ou de transmission de données (Voir figure 1.2). Il comprend également une source d‟énergie [9].
1. L’unité d’acquisition des données : le principe de fonctionnement des détecteurs est souvent le même : il s‟agit de répondre à une variation des conditions d‟environnement par une variation de certaines caractéristiques électriques (par exemple pour une thermistance, une variation de température entraîne une variation de la résistance). Les variations de tension sont ensuite converties par un convertisseur Analogique-Numérique afin de pouvoir être traitées par l‟unité de traitement. On trouve aussi des structures plus complexes pour détecter d‟autres phénomènes : les MEMS (pour Microelectromechanical systems) [8-9]. Ils sont utilisés pour une grande variété de phénomènes physiques (accélération, concentration chimique…).
2. L’unité de traitement des données : les microcontrôleurs utilisés dans le cadre de réseaux de capteurs sont à faible consommation d‟énergie. Leurs fréquences sont assez faibles, moins de 10 MHz pour une consommation de l‟ordre de 1 mW. Une autre caractéristique est la taille de leur mémoire qui est de l‟ordre de 10 Ko de RAM pour les données et de 10 Ko de ROM pour les programmes [9], [12]. Cette mémoire consomme la majeure partie de l‟énergie allouée au microcontrôleur, c‟est pourquoi on lui adjoint souvent de la mémoire flash moins couteuse en énergie. Outre le traitement des données, le microcontrôleur commande également toutes les autres unités notamment le système de transmission.
3. L’unité de transmission de données : les composants utilisés pour réaliser la transmission sont des composants classiques. Ainsi on retrouve les mêmes problèmes que dans tous les réseaux sans-fil : la quantité d‟énergie nécessaire à la transmission augmente avec la distance. Pour les réseaux sans-fil classiques (LAN, GSM) la consommation d‟énergie est de l‟ordre de plusieurs centaines de milliwatts, et on se repose sur une infrastructure alors que pour les réseaux de capteurs, le système de transmission consomme environ 20 mW et possède une portée de quelques dizaines de mètres. Pour augmenter ces distances tout en préservant l‟énergie, le réseau utilise un routage multi-sauts.
4. La source d’énergie : pour des réseaux de capteurs sans fil autonomes, l‟alimentation est une composante cruciale. Il y a essentiellement deux aspects : premièrement, stocker l‟énergie et la fournir sous la forme requise ; deuxièmement, tenter de reconstituer l‟énergie consommée par un réapprovisionnement grâce à une source externe au nœud-capteur telles les cellules solaires. Le stockage de l‟énergie se fait traditionnellement en utilisant ses piles. à titre indicatif, ce sera souvent une pile AA normale d‟environ 2.2 − 2.5 Ah fonctionnant à 1.5 V [12].
Surconsommation d’énergie d’un nœud capteurs
Nous appelons surconsommation d‟énergie toute consommation inutile que l‟on peut éviter afin de conserver l‟énergie d‟un nœud-capteur. Les sources de cette surconsommation sont nombreuses, elles peuvent être engendrées lors de la détection lorsque celle-ci est mal gérée (par exemple par une fréquence d‟échantillonnage mal contrôlée) [20].
La surconsommation concerne également la partie communication. En effet, cette dernière est sujette à plusieurs phénomènes qui surconsomment de l‟énergie surtout au niveau MAC ou se déroule le contrôle d‟accès au support sans fil. Certains de ces phénomènes sont les causes majeures de la perte d‟énergie et ont été recensés dans [12],[21] comme suit:
1. Les collisions : elles sont la première source de perte d‟énergie. Quand deux trames sont émises en même temps et se heurtent, elles deviennent inexploitables et doivent être abandonnées. Les retransmettre par la suite, consomme de l‟énergie. Tous les protocoles MAC essayent à leur manière d‟éviter les collisions. Les collisions concernent plutôt les protocoles MAC avec contention.
2. L’écoute à vide (idle listening) : un nœud dans l‟état “idle” est prêt à recevoir un paquet, mais il n‟est pas actuellement en train de recevoir quoi que ce soit. Ceci est coûteux et inutile dans le cas des réseaux à faible charge de trafic. Plusieurs types de radios présentent un coût en énergie significatif pour le mode “idle”. Eteindre la radio est une solution, mais le coût de la transition entre les modes consomme également de l‟énergie, la fréquence de cette transition doit alors rester raisonnable.
3. L’écoute abusive (overhearing) : cette situation se présente quand un nœud reçoit des paquets qui ne lui sont pas destinés. Le coût de l‟écoute abusive peut être un facteur dominant de la perte d‟énergie quand la charge de trafic est élevée et la densité des nœuds est grande, particulièrement dans les réseaux “mostly-on” [22].
4. L’overmitting : un nœud envoie des données et le nœud destinataire n‟est pas prêt à les recevoir.
5. L’overhead des paquets de contrôle : l‟envoi, la réception, et l‟écoute des paquets de contrôle consomment de l‟énergie. Comme les paquets de contrôle ne transportent pas directement des données, ils réduisent également le débit utile effectif.
Durée de vie d’un réseau de capteurs sans fil
Dans un réseau de capteurs sans fil, la durée de vie est la métrique la plus importante dans l‟évaluation des performances. En effet, dans un environnement contraint, l‟objectif principal consiste à déployer des nœuds dans une zone sans surveillance pendant des mois ou des années. La durée de la vie du réseau, comme mesure de la consommation d‟énergie, occupe une place exceptionnelle puisqu‟elle constitue la borne supérieure de l‟utilité de ce réseau [23]. Maximiser la durée de de vie du réseau revient à réduire la consommation énergétique des nœuds.
La durée de vie est également considérée comme un paramètre fondamental dans un contexte de disponibilité et de sécurité dans les réseaux de capteurs sans fil [24].
Malgré les progrès qui ont étés fait, la durée de vie de ses dispositifs miniatures, à batteries embarquées, continue d‟être un défi majeur et un facteur clé, exigeant davantage de recherches sur l‟efficacité énergétique des plates-formes et des protocoles de communication.
Il existe plusieurs définitions pour la durée de vie d‟un réseau de capteurs. Toutes ces définitions dépendent de l‟application ciblée du réseau de capteurs sans fil. En générale, on peut classer ces définitions en trois grandes catégories :
1. Les définitions basées sur le nombre des capteurs vivants [12], [25-26].
2. Les définitions basées sur la connectivité [27-28].
3. Les définitions basées sur la couverture [29-30].
Il convient de noter que la simulation de la durée de vie du réseau peut être un problème statistique difficile. De toute évidence, la durée de vie d‟un réseau de capteurs sans fil dépend principalement de la durée de vie de chaque nœud et plus ces durées sont longues, meilleur est le fonctionnement du réseau.
Mécanismes de conservation de l’énergie
Comme nous l‟avons souligné dans la section 1.2.5, c‟est la transmission de données qui se révèle extrêmement consommatrice par rapport aux tâches du nœud-capteur. Cette caractéristique conjuguée à l‟objectif de maximisation de la durée de vie du réseau a suscité de nombreux travaux de recherche. Avant de citer ces travaux dans les sections suivantes, nous introduisons dans ce qui suit les mécanismes de base de conservation de l‟énergie:
1. Mode d’économie d’énergie : ce mode est possible quelle que soit la couche MAC adoptée. Cela consiste à éteindre le module de communication dès que possible. Par exemple, des protocoles MAC fondés sur la méthode TDMA (Time Division Multiple Access) offrent une solution implicite puisqu‟un nœud n‟échange des messages que dans les intervalles de temps qui lui sont attribués. Il peut alors garder sa radio éteinte durant les autres slots. Comme nous l‟avons souligné précédemment (section 1.2.5), il faut toutefois veiller à ce que le gain d‟énergie obtenu en mettant en veille le module radio ne soit pas inférieur au surcoût engendré par le redémarrage de ce module.
2. Traitement local : L‟idée de cette technique est que la source peut se censurer. Ainsi une programmation évènementielle semble bien adaptée aux réseaux de capteurs. Seuls les changements significatifs de l‟environnement devraient provoquer un envoi de paquets au réseau. Dans le même état d‟esprit, une grande collaboration est attendue entre les capteurs d‟une même région en raison de leur forte densité et dans la mesure où les observations ne varient presque pas entre des voisins très proches. Ainsi les données pourront être confrontées localement et agrégées au sein d‟un seul et unique message.
Cette stratégie de traitement local permet de réduire sensiblement le trafic.
3. Organisation des échanges : ce procédé revient à limiter les problèmes de retransmission dus aux collisions. La solution extrême consiste à utiliser la technique d‟accès au medium TDMA. Les collisions sont ainsi fortement réduites. Cette solution présente l‟inconvénient d‟être peu flexible et de demander une synchronisation fine des capteurs. Des solutions intermédiaires ont vu le jour, par exemple S-MAC (Sensor MAC) [21] qui est une méthode d‟accès au canal de type CSMA-CA avec le mécanisme RTS/CTS (Request to Send, Clear to Send) qui permet d‟éviter les collisions et le problème de la station cachée. La principale innovation, apportée par ce protocole, est d‟avoir un mécanisme de mise en veille distribué sur chaque nœud du réseau dans le but de réduire la consommation d‟énergie. La principale difficulté de S-MAC est également de synchroniser les nœuds entre eux pour que la communication soit toujours possible.
4. Limitation des accusés de réception : l‟acquittement systématique est mal adapté à des réseaux denses : il provoque une surcharge du réseau et donc des collisions et des interférences avec les données utiles échangées dans le réseau. Les acquittements par “piggy-backing” seront à privilégier.
5. Répartition de la consommation d’énergie : la formation de “clusters” permet d‟envisager des réseaux comportant un très grand nombre de capteurs. Elle favorise une meilleure répartition de la consommation d‟énergie. En effet, dans le cas d‟une transmission directe vers l‟observateur, les capteurs éloignés vont plus rapidement manquer d‟énergie et les autres nœuds peuvent être sujets au phénomène d‟overhearing dans le cas des réseaux “Mostly-On”.
Au contraire, dans le cas d‟une transmission par saut, les nœuds proches de l‟observateur vont être vite en rupture de batterie car ils seront plus sollicités pour relayer les messages des autres. La solution consiste à hiérarchiser les échanges en divisant la zone d‟observation en clusters. Un “clusterhead” est élu pour chaque cluster. Il s‟occupe de récupérer les informations auprès des capteurs de son cluster et de les transmettre directement à l‟observateur. En changeant régulièrement de clusterhead, on obtient un réseau dans lequel aucun capteur n‟est prédisposé à arriver en rupture de batterie avant les autres. Mettre en place des clusters va également permettre de cloisonner le réseau et ceci dans l‟objectif de réduire les interférences. On améliore ainsi la qualité du lien radio et par conséquent, on limite les retransmissions liées aux reprises sur erreur. L‟exemple typique d‟une solution avec des clusters est le protocole LEACH [31].
Techniques de conservation de l’énergie
Des mesures expérimentales ont montré que, généralement, c‟est la transmission des données qui est la plus consommatrice en énergie, et de façon significative, les calculs, eux, consomment très peu [16].La consommation d‟énergie du module de détection dépend de la spécificité du capteur. Dans de nombreux cas, elle est négligeable par rapport à l‟énergie consommée par le module de traitement et, par-dessus tout, le module de communication.
Dans d‟autres cas, l‟énergie dépensée pour la détection peut être comparable, ou supérieure à celle nécessaire à la transmission des données (Cas des capteurs d‟images). En général, les techniques d‟économie d‟énergie se concentrent sur deux parties : la partie réseau (i.e., la gestion d‟énergie est prise en compte dans les opérations de chaque nœud, ainsi que dans la conception de protocoles réseau), et la partie local (i.e. des techniques sont utilisées pour réduire le nombre ou la fréquence d‟échantillonnage dans les nœuds).
La durée de la vie d‟un réseau de capteurs peut être prolongée par l‟application conjointe de différentes techniques [32]. Par exemple, les protocoles efficaces en énergie visent à réduire au minimum la consommation d‟énergie pendant l‟activité du réseau. Toutefois, une quantité considérable d‟énergie est consommée par les composants d‟un nœud (CPU, radio, etc ), même s‟ils sont inactifs. Un plan de gestion dédié à l‟énergie peut alors être utilisé pour éteindre temporairement les composants du nœud lorsqu‟ils ne sont pas sollicités.
Il existe plusieurs techniques de conservation de l‟énergie, dédiées principalement aux réseaux de capteurs sans fil. Nous pouvons les résumer comme suit :
Techniques de Duty cycling
Cette technique est principalement utilisée dans l‟activité réseau. Le moyen le plus efficace pour conserver l‟énergie est de mettre la radio de l‟émetteur en mode veille (low-power) à chaque fois que la consommation n‟est pas nécessaire. Idéalement, la radio doit être éteinte dès qu‟il n‟y a plus de données à envoyer et/ou recevoir, et devrait être prête dès qu‟un nouveau paquet de données doit être envoyé ou reçu. Ainsi, les nœuds alternent entre périodes actives et sommeil en fonction de l‟activité du réseau. Ce comportement est généralement dénommé Duty-cycling. Un Duty-cycle est défini comme étant la fraction de temps où les nœuds sont actifs.
Comme les nœuds-capteurs effectuent des tâches en coopération, ils doivent coordonner leurs dates de sommeil et de réveil. Un d‟ordonnancement Sommeil/Réveil accompagne donc tout plan de Duty-cycling. Il s‟agit généralement d‟un algorithme distribué reposant sur les dates auxquelles des nœuds décident de passer entre l‟état actif et l‟état sommeil. Il permet aux nœuds voisins d‟être actifs en même temps, ce qui rend possible l‟échange de paquets, même si les nœuds ont un faible duty-cycle (c-à-d ils dorment la plupart du temps).
En générale, deux grandes catégories de protocoles de „Duty cycle‟ existent dans la littérature. La première catégorie englobe les protocoles de „Sleep/Wakeup‟ [33-34]. La deuxième catégorie englobe tous les protocoles de niveau MAC. De nombreux état de l‟art sont disponibles dans la littérature [35-37].
Techniques de mobilité
Dans certains cas où les nœuds sont mobiles, la mobilité peut être utilisée comme outil pour réduire la consommation d‟énergie (au-delà du duty-cycling et des techniques orientées données). Dans un réseau de capteurs statiques, les paquets provenant des nœuds suivent des chemins multi-sauts vers la station de base. Ainsi, certains chemins peuvent être chargés (sollicités plus que d‟autres), et les nœuds proches de la station de base relayent plus de paquets [38] et sont plus sujets à l‟épuisement prématuré de leurs batteries (funneling effet) [39]. Si certains nœuds (éventuellement, la station de base) sont mobiles, le trafic peut être modifié si les nœuds mobiles sont chargés de collecter des données directement à partir de nœuds statiques.
Les nœuds attendent le passage d‟un dispositif mobile pour lui envoyer leurs messages de telle sorte que la communication ait lieu à proximité (directement ou au plus avec un nombre limité de sauts). Par conséquent, les nœuds ordinaires peuvent économiser de l‟énergie parce que la longueur du chemin, la contention et les overheads de diffusion sont ainsi réduits. En outre, le dispositif mobile peut visiter le réseau afin de répartir uniformément la consommation d‟énergie due à la communication. Lorsque le cout de la mobilité des nœuds de capteurs est prohibitif, l‟approche classique consiste à attacher un capteur à des entités qui seront en itinérance dans le champ de détection, comme des autobus ou des animaux.
Les stratégies reposant sur la mobilité peuvent être classées en deux ensembles : les stratégies avec un sink mobile et les stratégies avec des relais mobiles, selon le type de l‟entité mobile. Il est important de souligner ici que, lorsque nous examinons des systèmes mobiles, un problème important est le type de contrôle de mobilité des nœuds qu‟intègre la conception du réseau, ceci est détaillé dans [40]. Les nœuds mobiles peuvent être divisés en deux catégories : ils peuvent être spécifiquement conçus comme partie de l‟infrastructure du réseau, ou faire partie de l‟environnement.
Quand ils font partie de l‟infrastructure, leur mobilité peut être entièrement contrôlée dans la mesure où ils sont, généralement, robotisés. Lorsque les nœuds mobiles font partie de l‟environnement, ils pourraient ne pas être contrôlables. S‟ils suivent un horaire strict, ils ont une mobilité complètement prévisible (par exemple, une navette pour les transports publics [41]). Sinon, ils peuvent avoir un comportement aléatoire de sorte qu‟aucune hypothèse ne puisse faite sur leur mobilité.
Enfin, ils peuvent suivre un schéma de mobilité, qui n‟est ni prévisible, ni totalement aléatoire. Par exemple, c‟est le cas d‟un bus se déplaçant dans une ville, dont la vitesse est soumise à l‟importante variation en raison des conditions de circulation. Dans un tel cas, les schémas de mobilité peuvent être tirés en se fondant sur des observations et des estimations d‟une certaine précision.
Techniques orientées données
Généralement, les deux techniques citées précédemment à savoir : les techniques de „‟Duty-cycling‟‟ et les techniques de mobilité, ne tiennent pas compte des données prélevées par les nœuds. Par conséquent, des approches orientées données peuvent être utiles pour améliorer l‟efficacité en énergie. En fait, la détection (ou prélèvement de données) affecte la consommation d‟énergie de deux manières :
• Des échantillons inutiles : les données échantillonnées ont souvent de fortes corrélations spatiales et/ou temporelle [42], il est donc inutile de communiquer les informations redondantes à la Station de Base. Un échantillonnage inutile implique une consommation d‟énergie à son tour inutile. En effet, même si le coût de l‟échantillonnage est négligeable, cela induit aussi des communications tout le long de chemin qu‟emprunte le message.
• La consommation électrique du module de détection : réduire la consommation ne suffit pas lorsque le capteur est lui-même très consommateur.
Des techniques orientées données sont conçues pour réduire la quantité d‟échantillons de données en garantissant un niveau de précision acceptable dans la détection pour l‟application.
Les réseaux de capteurs d’images
Le développement des micro-caméras et microphones a observé une forte évolution au cours de la dernière décennie, avec les évolutions des téléphones mobiles. Ces dispositifs deviennent de plus en plus petits et bon marché, et fournissent de plus en plus de performances en termes de rapidité et de qualité du signal. Jusqu‟à il y a quelques années, l‟usage d‟un appareil photo impliquait la connexion d‟un périphérique attaché au téléphone mobile, ou l‟augmentation considérable de la taille de l‟appareil. Aujourd‟hui, nous trouvons ces micro-caméras embarquées dans pratiquement tous les téléphones cellulaires et les assistants numériques personnels, sans augmentation significative du coût de l‟équipement, de son poids et de sa forme.
Les réseaux sans fil n‟ont pas été en dehors de ce progrès et aujourd‟hui, nous pouvons déjà voir les résultats des dernières avancées de microphones et micro-caméras CMOS, sous la forme de cartes de capteurs compatibles avec des nœuds sans fil. Cela a permis d‟envisager concrètement un nouveau type d‟applications utilisant des „‟réseaux de capteurs sans fil multimédia’’ [15][54].
En fonction des exigences imposées à l‟application, et bien évidemment en fonction du type de technologie disponible, les réseaux de capteurs d‟images peuvent être de deux types :
1. Réseaux de capteurs d’images fixes : Des capteurs d‟images numériques peuvent prendre des photos qui peuvent être mémorisées en format matriciel ou vectoriel. Ce type de capteur est facile à réaliser et peut être adapté facilement à des dispositifs avec des ressources limitées, tels que les nœuds de capteurs sans fil malgré que la consommation énergétique reste considérable.
2. Réseaux de capteurs de vidéo : Des capteurs d‟images numériques peuvent aussi envisager de prendre des séquences d‟images et de transmettre le flux vidéo vers le puits. Cette application exige des nœuds avec des capacités de calcul, de mémoire et de communication d‟un tout autre ordre de grandeur que pour les images fixes. Les séquences d‟image doivent être compressées fortement pour satisfaire à la contrainte de bande passante des liaisons sans fil. Ces applications consomment nécessairement une quantité d‟énergie bien supérieure à celles utilisant des images fixes. Notons que, en raison de la difficulté que comporte la transmission d‟un flux vidéo, la plupart des prototypes de capteurs d‟images sont dédiés aux images statiques.
Spécificités des réseaux de capteurs d’images
Bien évidemment, les travaux sur des images sont différents des travaux sur des données scalaires plus simples, comme ceux des premiers réseaux de capteurs. Ces différences sont dues évidemment à la complexité du signal capturé. En effet, tandis que pour le codage d‟un signal simple tel que le niveau de température ou la pression barométrique, un ou deux octets sont suffisants, le codage d‟une image numérique conduit à l‟emploi de plusieurs centaines ou milliers d‟octets. Cette différence de grandeur a des conséquences sur différents facteurs : capture du signal, besoins en mémoire, traitement du signal et transmission de données.
1. Capture du signal : La complexité du matériel est multipliée par rapport aux captures de phénomènes simples. En effet, un capteur de caméra CMOS est normalement composé de nombreux capteurs photosensibles que capturent les différentes intensités pour chaque pixel. Tandis que pour la capture d‟un signal de lumière un seul photo-capteur est suffisant, pour capturer une image nous avons besoin de beaucoup plus (normalement un par pixel). Cette évidence entraîne avec elle un coût supplémentaire en énergie et en temps de capture.
2. Besoins de mémoire : Comme nous l‟avons dit, tandis que pour le codage d‟un signal simple sollicite quelques bits d‟information (de 1 à 9 octets, en fonction de la précision du capteur), le codage d‟une image numérique conduit à l‟emploi de plusieurs centaines ou milliers d‟octets. En particulier, la quantité de mémoire nécessaire dépend principalement de deux facteurs clés : La résolution de l‟image et le format. En effet, une image de 129 × 129 pixels utilisera en principe 4 fois plus de mémoire qu‟une image de 64×64.
Maintenant, en fonction du format, une image peut être en noir et blanc, en niveaux de gris ou en couleur [55]. En principe, le format définit le nombre de bits nécessaires pour coder un pixel (une intensité capturée par l‟un des photo-capteurs). Une image en niveaux de gris est normalement codée sur 9 bits par pixel (désigné 9bpp), même si cette règle n‟est pas obligatoire. Pour coder un pixel en couleur, nous pouvons le faire sur trois plans en utilisant, soit un codage RGB (Red, Green, Bleu), soit un codage YCrCb. Ceci implique normalement l‟utilisation d‟un octet par plan de couleur (24bpp).
3. Traitement du signal : Dans les applications traditionnelles de vision, il est commun de vouloir faire des traitements sur les images à la source, afin d‟extraire une information (par exemple : l‟emplacement ou la classification d‟un objet), ou de compresser l‟image afin de diminuer la quantité de données nécessaires pour la représenter. Alors que ces traitements sont aisés à mettre en œuvre dans des dispositifs informatiques dotés de beaucoup de ressources, comme les ordinateurs portables et les assistants numériques personnels, compte tenu des capacités limitées des matériels utilisés dans les réseaux de capteurs, le traitement d‟image à la source devient très difficile. Les temps de calcul sont considérablement augmentés et l‟énergie investie est parfois plus importante que celle économisée.
4. Transmission de données : Comme le transmetteur radio est l‟un des composants les plus gourmands en énergie, les protocoles de communication ont un rôle important à jouer pour faire des économies d‟énergie. Dans les applications traditionnelles (par exemple : la température ou le mouvement), on peut envisager d‟enregistrer plusieurs mesures et les embarquer dans un seul paquet pour augmenter le rendement de la communication. Une des techniques les plus utilisées est la fusion de données. Cela est possible parce que les mesures des différents capteurs sont généralement codées sur peu de bits et nous pouvons créer de paquets combinant des informations provenant de plusieurs sources. Dans le cas des images, la fusion de données n‟est plus possible puisque les images sont transmises sur plusieurs centaines ou même milliers de paquets. Toutefois, les images naturelles ont des corrélations spatiales assez marquées et par conséquent la transmission d‟images (et cela se produit également avec la transmission de la voix) offre une certaine tolérance aux pertes de paquets. En effet, on peut reconstruire une version approximative de l‟image originale même si une partie des informations est perdue dans le réseau. Ces corrélations spatiales sont exploitées dans les algorithmes de compression, mais en contrepartie, les images compressées perdent leur tolérance aux pertes de paquets.
Applications des réseaux de capteurs d’image
Malgré le peu de temps qui s‟est écoulé depuis l‟émergence du domaine de recherche des réseaux de capteurs sans fil, il existe aujourd‟hui un nombre significatif de travaux traitant des capteurs d‟image incluant le développement de composants matériels et logiciels, de protocoles de communication (routage, contrôle de flux, . . .), et de traitements sur les données (compression, . . .). Les réseaux de capteurs d‟image concernent toutes les applications qui touchent à la détection, la localisation, le dénombrement et le pistage d‟objets par la vision. Dans cette section, nous allons classifier ces applications de manière générique et en présenter quelques-unes parmi les plus représentatives qui ont été expérimentés jusqu‟à aujourd‟hui.
Types d’applications
Nous pouvons distinguer deux grandes familles d‟application pour les réseaux de capteurs de vision en fonction de l‟architecture du réseau considérée [56]: réseaux à un saut (single-hop network) et réseau multi sauts (multi-hop network). Cette classification peut être généralisée pour tous les réseaux de capteurs sans fil. Dans le premier cas, un réseau de capteurs de vision est conçu comme un ensemble de nœuds caméra (et éventuellement d‟autres types de capteurs) qui communiquent directement avec le puits comme montré à la figure 1.4 (a). Un tel réseau a une couverture géographique limitée à la portée de communication du puits, quelques mètres à quelques centaines de mètres. Dans le deuxième cas, le réseau a une couverture géographique beaucoup plus étendue puisque les nœuds éloignés du puits vont pouvoir transporter leur information en passant par un ou plusieurs nœuds intermédiaires, comme montré dans la figure 1.4 (b).
La compression d’images dans les réseaux de capteurs d’images
La majorité des études qui ont été faites sur les réseaux de capteurs de données scalaires ont supposé que le coût de calcul, y compris l’acquisition et la compression de données, est insignifiant par rapport au coût de la communication des mêmes données [80]. Cette hypothèse est valide seulement quand il s’agit des capteurs de données scalaires, où le coût de la compression est négligeable devant le coût de la communication, nous dirons alors que la compression est rentable.
La compression d’images dans les réseaux de capteurs sans fil
Dans le cas d’un réseau de capteurs sans fil traitant des données multimédia (les images dans notre cas), cette hypothèse n’est plus vérifiée. En effet, les flux visuels nécessitent toujours la compression. Dans cette section, nous montrons la relation entre le coût de compression et le coût de transmission dans le contexte d’un réseau de capteurs sans fils. Décider de faire précéder la transmission par une compression ou non, dépend essentiellement de l’algorithme de compression utilisé et éventuellement du processeur et de l’émetteur-récepteur radio.
Habituellement, compresser une image avant sa transmission est le choix idéal pour gagner en temps et en énergie. Il est clair que certains algorithmes de compression prennent plus de temps et consomment plus d’énergie que d’autres. Ces algorithmes sont, en général, utilisés pour le stockage, ou lorsqu’ aucune exigence du temps réel n’est imposée. Par exemple, la plupart des algorithmes de compression reconnus tels que la compression fractales, JPEG, JPEG2000 sont très consommateurs de temps et d’énergie [56]. Par conséquent leurs applications aux réseaux de capteurs sans fils semblent être moins efficaces. Toutefois, lorsqu’ils sont appliqués aux réseaux filaires traditionnels, ces algorithmes donnent des taux de compression élevés indépendamment de l’énergie consommée.
Dans [3], les auteurs ont montré qu’une compression JPEG d’une image avant transmission consomme beaucoup plus d’énergie qu’une transmission directe de l’image sans compression !. Dans un tel cas, la compression n’est pas justifiée, nous dirons alors que la compression n’est pas rentable.
La figure 2.2 illustre une classification générale pour les algorithmes de traitement et compression d’images que nous avons trouvé dans la littérature. En principe, les méthodes de traitement traditionnelles ont été conçues pour travailler localement sur un seul et même processus. Dans les réseaux de capteurs, cela implique l’exécution de calculs au niveau du nœud source seulement (ou dans un seul nœud). D’autre part, la nature distribuée des réseaux de capteurs nous permet d’imaginer des approches qui considèrent la distribution du traitement de données entre plusieurs capteurs.
D’une manière générale, deux types d’algorithmes de compression distribués ont été rapportés. Le premier est basé sur la distribution du processus de compression d’une image à travers plusieurs nœuds, le deuxième sur la corrélation existante entre deux images ou plus , principalement quand elles contiennent des scènes voisines. Quelques approches hétérogènes pourraient combiner les deux stratégies.
|
Table des matières
Introduction générale
Chapitre 1 : Réseaux de capteurs sans fil et problèmes de l’énergie
1.1. Introduction
1.2. Caractéristiques des réseaux de capteurs
1.2.1. Architecture d’un nœud capteur
1.2.2. Les différents facteurs de conception
1.2.3. Architecture protocolaire pp
1.2.4. Consommation d’énergie d’un nœud capteur
1.2.5. Surconsommation d’énergie d’un nœud capteurs
1.2.6. Durée de vie d’un réseau de capteurs sans fil
1.3. Mécanismes de conservation de l’énergie
1.4. Techniques de conservation de l’énergie
1.4.1. Techniques de Duty cycling
1.4.2. Techniques de mobilité
1.4.3. Techniques orientées données
1.5. Applications des réseaux de capteurs scalaires
1.5.1. Exemples d’applications typiques
1.6. Les réseaux de capteurs d’images
1.6.1. Spécificités des réseaux de capteurs d’images
1.6.2. Applications des réseaux de capteurs d’image
1.6.3. Défis en matière de recherche
1.7. Conclusion
Chapitre 2 : La compression d’image dans les réseaux de capteurs sans fil
2.1. Introduction
2.2. La compression d’images dans les réseaux de capteurs d’images
2.3. La compression à la base de transformées
2.3.1. Introduction
2.3.2. Norme JPEG
2.3.3. Adaptation de JPEG aux contraintes des réseaux de capteurs d’image
2.3.4. Compression locale par JPEG2000
2.3.5. Schéma basé sur le codage SPIHT
2.4. Compression distribuée
2.4.1. Introduction
2.4.2. Compression distribuée d’images corrélées
2.4.3. Compression distribuée sur une architecture clustérisée
2.5. Échantillonnage compressé (Compressive Sampling : CS)
2.5.1. Théorème de Nyquist
2.5.2. Application de l’échantillonnage compressé aux réseaux de capteurs d’images
2.6. Conception d’une méthode de compression pour un réseau de capteur visuel
2.7. Conclusion
Chapitre 3 : Transformations de faible complexité
3.1. Introduction
3.2. Les variantes de la DCT
3.3. DCT 1D conventionnelle
3.4. DCT 2D conventionnelle
3.4.1. Définitions
3.4.2. Propriétés de la DCT
3.5. Intérêt de l’utilisation de la DCT
3.6. Algorithmes rapides pour le calcul de la DCT 1D exacte
3.6.1. Calcul récursif
3.6.2. Calcul indirect
3.6.3. DCT à base de convolution
3.6.4. Factorisation directe
3.7. Architectures pour la DCT 2D
3.7.1. Réalisation à base de séparation ligne colonne
3.7.2. Réalisation directe
3.8. Réduction des coefficients à calculer : DCT Zonale
3.9. Combinaison des deux approches : Réduction des coefficients et des opérations à calculer
3.9.1. La DCT binaire (BDCT )
3.9.2. La DCT arrondie (CB-DCT)
3.9.3. La DCT entière 4 4
Chapitre 4 : Evaluation des performances
4.1. Introduction
4.2. Nombre de cycles
4.3. Consommation énergétique et temps d’exécution
4.4. Qualité des images reconstruites
4.4.1. Métriques d’évaluation
4.4.2. Résultats de compression par les DCT de faibles complexités
4.4.3. Discussion
4.5. Comparaison avec la méthode proposée par Lecuire et al
4.5.1. Comparaison en fonction du paramètre ‘L’
4.5.2. Comparaison à consommation énergétique égale
4.6. Table de quantification dyadique
4.7. Conclusion
Conclusions et perspectives
Références
Télécharger le rapport complet
